IAMCV Multi-Scenario Vehicle Interaction Dataset

要約

高品質のセンサー データの取得と分析は、完全自動運転システムの開発を形作る上で不可欠な要件となります。
このプロセスは、交通安全を強化し、自動車産業における技術進歩の有効性を確保するために不可欠です。
この研究では、車両間のインタラクションに焦点を当てた新規かつ広範なデータセットである、自律および手動制御車両のインタラクション (IAMCV) データセットを紹介します。
このデータセットには、光検出と測距、カメラ、慣性測定ユニット/全地球測位システム、車両バス データ収集などの高度なセンサーが豊富に含まれており、ロータリー、交差点、田舎を含む現実世界の運転シナリオの包括的な表現が提供されます。
ドイツのさまざまな場所で記録された道路や高速道路。
さらに、この研究では、いくつかの概念実証のユースケースを通じて、IAMCV データセットの多用途性が示されています。
まず、教師なし軌道クラスタリング アルゴリズムは、ラベル付きトレーニング データを必要とせずに車両の動きを分類するデータセットの機能を示しています。
次に、データセットにキャプチャされた画像を使用して、オンライン カメラ キャリブレーション方法とロボット オペレーティング システム ベースの標準を比較します。
最後に、YOLOv8 物体検出モデルを使用した予備テストが実施され、さまざまな LIDAR 解像度にわたる物体検出の伝達可能性についての反映が強化されます。
これらのユースケースは、収集されたデータセットの実際的な有用性を強調し、インテリジェント車両の分野における研究とイノベーションを前進させる可能性を強調しています。

要約(オリジナル)

The acquisition and analysis of high-quality sensor data constitute an essential requirement in shaping the development of fully autonomous driving systems. This process is indispensable for enhancing road safety and ensuring the effectiveness of the technological advancements in the automotive industry. This study introduces the Interaction of Autonomous and Manually-Controlled Vehicles (IAMCV) dataset, a novel and extensive dataset focused on inter-vehicle interactions. The dataset, enriched with a sophisticated array of sensors such as Light Detection and Ranging, cameras, Inertial Measurement Unit/Global Positioning System, and vehicle bus data acquisition, provides a comprehensive representation of real-world driving scenarios that include roundabouts, intersections, country roads, and highways, recorded across diverse locations in Germany. Furthermore, the study shows the versatility of the IAMCV dataset through several proof-of-concept use cases. Firstly, an unsupervised trajectory clustering algorithm illustrates the dataset’s capability in categorizing vehicle movements without the need for labeled training data. Secondly, we compare an online camera calibration method with the Robot Operating System-based standard, using images captured in the dataset. Finally, a preliminary test employing the YOLOv8 object-detection model is conducted, augmented by reflections on the transferability of object detection across various LIDAR resolutions. These use cases underscore the practical utility of the collected dataset, emphasizing its potential to advance research and innovation in the area of intelligent vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google